5G 系统网络架构 | 带你读《5G 无线系统设计与国际标准》之四

简介: 为了适应各种部署场景,5G 支持了两种部署方式:一种为分布式部署,这种方式与 LTE系统类似,网络由基站组成,基站支持全协议栈的功能;另一种为集中式部署,基站进一步分为集中单元(CU,Centralized Unit)和分布单元(DU,Distributed Unit)两个节点,CU 和 DU 分别支持不同的协议栈和功能,

1.3 5G 标准的制定过程

第2章 5G 系统设计架构与标准体系

本章就 5G 系统网络架构、无线接口协议栈、物理层设计和协议规范体系进行介绍。

2.1 5G 系统网络架构

3GPP 为了更好地满足 ITU 对 5G 不同的业务场景需求,如支持 eMBB(增强移动宽带)、mMTC(低功耗大连接)、URLLC(低时延高可靠通信)等场景,在进行新系统设计之前进行了进一步需求分析,并提出了更多的关键性能指标。比如下行峰值速率应达20Gbit/s,下行频谱效率达到 30bit/(s·Hz),控制面传输时延应小于 10ms,用户面传输时延对于 URLLC 场景来说应小于 0.5ms,移动中断时间为 0ms 等更高的性能要求[1]。
为了满足不同业务的需求,5G 接入网架构需要支持不同的部署方式。考虑到 LTE系统的长期存在,很长一段时间内 5G 和 LTE 系统会共同部署,3GPP 也标准化了多种网络架构,以适应不同的网络部署方案,该部分内容将在 8.2 节进行详细介绍。同时,为了适应各种部署场景,5G 支持了两种部署方式:一种为分布式部署,这种方式与 LTE系统类似,网络由基站组成,基站支持全协议栈的功能;另一种为集中式部署,基站进一步分为集中单元(CU,Centralized Unit)和分布单元(DU,Distributed Unit)两个节点,CU 和 DU 分别支持不同的协议栈和功能,该部分内容在 8.3 节进行了详细介绍。
无论未来架构如何演变,无线接入网与核心网仍然遵循各自发展的原则,空中接口终止在无线接入网。从整体上说,与 3GPP 已有系统类似,5G 系统架构仍然分为两部分,如图 2.1 所示,包括 5G 核心网(5GC)和 5G 接入网(NG-RAN)。
image.png
5GC 包括 AMF(Access and Mobility Management Function)、UPF(User Plane Function)和 SMF(Session Management Function)三种主要逻辑节点。其中 SMF 和接入网之间没有接口,未在图中表示。和 LTE 系统的核心网相比,5G 核心网的控制平面和用户平面进一步分离。为了满足低时延、高流量的网络要求,5G 核心网对用户平面的控制和转发功能进行了重构,重构后的控制平面分为 AMF 和 SMF 两个逻辑节点。AMF 主要负责移动性管理,SMF 负责会话管理功能。用户平面的 UPF 代替了 LTE 网络的 SGW 和 PGW。
重构后的核心网架构,控制平面功能进一步集中化,用户平面功能进一步分布化,运营商可以根据业务需求灵活地配置网络功能,满足差异化的场景对网络的不同需求。
NG-RAN 由 gNB 和 ng-eNB 两种节点共同组成。gNB 是提供到 UE 的 NR 控制平面与用户平面的协议终止点,ng-eNB 是提供到 UE 的 E-UTRA 控制平面与用户平面的协议终止点。gNB 之间、ng-eNB 之间,以及 gNB 和 ng-eNB 通过 Xn 接口进行连接。5G 接入网与核心网之间通过 NG 接口进行连接,gNB/ng-eNB 和 AMF 之间是 NG-C 接口,和
UPF 之间是 NG-U 接口。
NG 接口可以实现 AMF/UPF 和 NG-RAN 节点的多对多连接,即一个 AMF/UPF 可以连接多个 gNB/ng-eNB,一个 gNB/ng-eNB 也可以连接多个 AMF/UPF。对于 UE 来说,在网络侧分配的注册区域内移动,即使发生 gNB/ng-eNB 间的切换,仍然可以驻留在相同的 AMF/UPF 上, UE 不需要发起新的注册更新过程。这有助于减少接口信令交互数
量以及 5G 核心网的信令处理负荷。当 AMF/UPF 与 NG-RAN 之间的连接路径较长或进行新资源分配的情况下,可以改变与 UE 连接的 AMF/UPF。这里 AMF 的主要作用是移动性控制,而 UPF 的主要作用是数据包的路由转发。NG-RAN 与 AMF/UPF 之间的灵活连接也为 5G 网络共享提供了基础。不同的运营商核心网可以连接到同一 NG-RAN 网络,从而实现不同运营商间共享接入网设备和无线资源,并能够获得相同的服务水平。
定义 5G 网络架构及相关接口主要遵循了以下一些基本原则。
① 信令与数据传输在逻辑上是独立的。
② NG-RAN 与 5GC 核心网在功能上分离。
③ NG-RAN 与 5GC 的寻址方案以及传输功能的寻址方案不能绑定。
④ RRC 连接的移动性管理完全由 NG-RAN 进行控制。
⑤ NG-RAN 接口上的功能定义应尽量简化,尽可能减少选项。
⑥ 多个逻辑节点可以在同一个物理网元上实现。
⑦ NG-RAN 接口是开放的逻辑接口,应满足不同厂家设备之间的互联互通。
NG-RAN 与 5GC 也进行了若干的功能划分。图 2.2 描述了 gNB、ng-eNB、AMF、UPF、SMF 功能实体以及承担功能划分的关系。
image.png

2.2 无线接口

相关文章
|
2天前
|
监控 安全 网络安全
漏洞扫描系统可以用于发现网络入侵者?
漏洞扫描系统自动检测系统安全漏洞,如未打补丁软件和弱密码,但无法直接发现网络入侵者。入侵者可能使用加密和掩盖手段逃避检测。为此,需结合入侵检测系统(IDS)、防火墙、安全事件管理(SIEM)系统和蜜罐等工具实时监控异常行为。企业还应提升员工安全意识以增强防御能力。
|
2天前
|
机器学习/深度学习 传感器 算法
LabVIEW开发基于神经网络的自动汽车制动系统
LabVIEW开发基于神经网络的自动汽车制动系统
|
2天前
|
机器学习/深度学习 人工智能 算法
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第11天】在数字时代的风口浪尖,网络安全问题日益凸显。传统的安全防御手段在应对不断进化的网络威胁时显得力不从心。本文提出了一个基于人工智能技术的自适应网络安全防御系统框架,旨在通过实时分析、学习和预测网络行为,自动调整防御策略以抵御未知攻击。系统采用先进的机器学习算法和大数据分析技术,能够在保持高效性能的同时,最小化误报率。文章详细阐述了系统的设计理念、关键技术组件以及预期效果,为网络安全的未来发展方向提供新思路。
|
2天前
|
网络协议 网络安全 数据库
LabVIEW中MAX在我的网络上不显示“远程系统”选项卡或设备
LabVIEW中MAX在我的网络上不显示“远程系统”选项卡或设备
|
2天前
|
前端开发 Java 关系型数据库
Java医院绩效考核系统源码B/S架构+springboot三级公立医院绩效考核系统源码 医院综合绩效核算系统源码
作为医院用综合绩效核算系统,系统需要和his系统进行对接,按照设定周期,从his系统获取医院科室和医生、护士、其他人员工作量,对没有录入信息化系统的工作量,绩效考核系统设有手工录入功能(可以批量导入),对获取的数据系统按照设定的公式进行汇算,且设置审核机制,可以退回修正,系统功能强大,完全模拟医院实际绩效核算过程,且每步核算都可以进行调整和参数设置,能适应医院多种绩效核算方式。
31 2
|
2天前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第8天】 随着网络攻击的不断演变,传统的安全措施已不足以应对日益复杂的威胁。本文提出了一种基于人工智能(AI)的自适应网络安全防御系统,旨在通过实时分析网络流量和行为模式来自动调整安全策略。系统利用深度学习算法识别潜在威胁,并通过强化学习优化防御机制。初步实验表明,该系统能够有效提高检测率,减少误报,并在未知攻击面前展现出较强的适应性。
21 1
|
2天前
|
机器学习/深度学习 存储 算法
m基于Yolov2深度学习网络的螺丝检测系统matlab仿真,带GUI界面
MATLAB 2022a中展示了YOLOv2算法的螺丝检测仿真结果,该系统基于深度学习的YOLOv2网络,有效检测和定位图像中的螺丝。YOLOv2通过批标准化、高分辨率分类器等优化实现速度和精度提升。核心代码部分涉及设置训练和测试数据,调整图像大小,加载预训练模型,构建YOLOv2网络并进行训练,最终保存检测器模型。
25 3
|
2天前
|
机器学习/深度学习 自动驾驶 安全
基于深度学习的图像识别技术在自动驾驶系统中的应用网络安全与信息安全:防御前线的关键技术与意识
【4月更文挑战第30天】随着人工智能技术的飞速发展,深度学习已成为推动多个技术领域革新的核心力量。特别是在图像识别领域,深度学习模型已展现出超越传统算法的性能。在自动驾驶系统中,准确的图像识别是确保行车安全和高效导航的基础。本文将探讨深度学习在自动驾驶中图像识别的应用,分析关键技术挑战,并提出未来的发展方向。
|
2天前
|
存储 监控 安全
【亮剑】指导初学者如何搭建和使用网络视频监控系统。
【4月更文挑战第30天】本文指导初学者如何搭建和使用网络视频监控系统。核心设备包括摄像头(如固定、PTZ、多目、夜视)、存储选项(NVR、DVR、云存储)及网络交换机等。安装配置步骤涉及规划布局、安装摄像头、设置存储设备和软件配置。实时监控包括实时查看、接收警报和录像回放。理解设备功能、合理布局并细心操作,就能建立稳定监控体系。随着技术进步,未来监控系统将更智能、高效,保障安全。
|
2天前
|
机器学习/深度学习 数据采集 安全
基于机器学习的网络安全威胁检测系统
【4月更文挑战第30天】 随着网络技术的迅猛发展,网络安全问题日益凸显。传统的安全防御机制在应对复杂多变的网络攻击时显得力不从心。为了提高威胁检测的准确性和效率,本文提出了一种基于机器学习的网络安全威胁检测系统。该系统通过集成多种数据预处理技术和特征选择方法,结合先进的机器学习算法,能够实时识别并响应各类网络威胁。实验结果表明,与传统方法相比,本系统在检测率、误报率以及处理速度上均有显著提升,为网络安全管理提供了一种新的技术手段。